单位代码10445学号2009021284分类号TP391研究生类别全日制硕 士 学 位 论 文论文题目复杂网络在土壤墒情预测中的应用学 科 专 业 名 称： 计算机软件与理论 申 请 人 姓 名： 马晓慧指 导 教 师： 王红教授论 文 提 交 时 间： 2012 年 6 月 15 日独创声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得（注：如没有其他需要特别声明的，本栏可空）或其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：导师签字：学位论文版权使用授权书本学位论文作者完全了解学校 有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权 学校 可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）学位论文作者签名：导师签字：签字日期：年月日签字日期：年月日I目录 摘要. i ABSTRACT. iii 第一章绪论. 1 1.1 研究背景 . 1 1.2 研究意义 . 1 1.3 国内外研究现状 . 2 1.4 主要研究内容 . 3 1.5 创新点 . 4 1.6 组织结构 . 4 1.7 本章小结 . 4 第二章复杂网络和智能优化算法. 5 2.1 复杂网络 . 5 2.1.1 拓扑特性. 5 2.1.2 社团结构. 7 2.1.3 小世界网络模型 . 8 2.2 粒子群算法. 10 2.2.1 速度和位置的更新公式. 10 2.2.2 适应度与适应度函数. 11 2.2.3 流程图. 11 2.2.4 伪代码. 12 2.2.5 特点. 12 2.3 遗传算法 . 12 2.3.1 基本操作. 13 2.3.2 运行参数. 13 2.3.3 执行步骤. 13 2.3.4 流程图. 14 2.3.5 伪代码. 14 2.3.6 特点. 15 2.4 本章小结 . 16 第三章GA-PSO 算法及其在 TSP 中的应用 . 17 3.1 TSP 问题. 17 3.2 对粒子的位置、速度以及操作重新定义 . 17 3.3 GA-PSO 算法. 18 3.4 实例验证 . 19 3.5 本章小结 . 错误！未定义书签。 第四章智能合作网络模型在墒情预测中的应用. 21 4.1 确定目标函数 . 21 4.2 智能合作网络模型 . 21 4.2.1 引入“社区”和“社区极值”. 21 4.2.2 对惯性权重 w 进行更新. 22 4.2.3 小世界特性的应用. 22 4.2.4 边与权重的应用. 23 4.2.5 BT 网络的传销性质的应用 . 23 4.3 模型建立 . 25I山东师范大学硕士学位论文4.4 执行步骤. 26 4.5 流程图. 26 4.6 本章小结. 27 第五章实验验证 . 28 5.1 仿真实验. 28 5.2 实验结论. 29 5.3 本章小结. 30 第六章总结与展望 . 31 6.1 本文所做的主要工作. 31 6.2 下一步工作展望. 31 参考文献 . 32 攻读硕士学位期间的论文发表情况 . 35 致II谢 . 36山东师范大学硕士学位论文复杂网络在土壤墒情预测中的应用摘要目前，水资源紧缺已成为许多国家或地区农业发展的障碍，在农业生产中，如何有效 地利用水资源将是各国研究者的重点研究课题。土壤墒情是指土壤的含水量情况，表明了土壤的水分分布状况。墒情往往会受多种气候条件的影响，例如温度、空气湿度、降雨量、光照等。墒情预测指的是以当前土壤含水量和与墒情有关的因素为基础，推测土壤水分未来的变化趋势。通过墒情预测在提高水资源的利用率的同时还可以提高农业抗旱、防旱能力。随着灌溉技术的飞速发展，我们对土壤墒情监测与预报的研究工作也提出了更高的要求。如何提高墒情监测和预报的准确性将成为我们面临的重要课题。以往的墒情预测方法主要依靠经验推断和理论研究，经验推断法需要的参数少，但是需要长期的经验积累，并且其理论研究常常需要依靠非常理想的条件和过多的参数，需要投入大量的人力和物力。如何构建一个具有较好的理论支撑，参数容易获取，而且能快速投入实际应用的墒情预测模型是我们的研究方向。在本论文中，我们主要做了以下几方面的工作：1、首先简要介绍了土壤墒情的研究背景和意义、以及复杂网络、智能算法和墒情预测的研究现状，进而提出本论文的主题。2、重点介绍了复杂网络和